摘要

  • APNIC 的单名称服务器实验包含 254,894,985 次测试，平均每次测试收到 3.43 个权威查询；后一次双名称服务器实验包含 150,221,951 次测试，平均值降至 2.57。
  • 只产生一次查询的测试占比从 58% 升至 71%，但两次实验并非同期进行，样本规模也不同。公开汇总数据尚不能证明新增一台名称服务器造成了差异。
  • 下一步最有价值的产物不是更大胆的结论，而是一张复现实验回执：同期随机分组、可比的解析器与网络样本、冻结的权威拓扑、公开的归一化方法，以及用于排查其他机制的时序分布。

两组基线之间出现了显著差异

APNIC Labs 试图回答一个实际问题：向递归解析器提供两个权威名称服务器，是否会改变它们发出的查询数量？公开结果颇出人意料。早先的单服务器数据集记录了 254,894,985 次测试与 875,316,423 个权威查询，平均每次测试 3.43 个。其中 147,233,117 次测试只有一个查询，报告占比为 58%。

后来的双服务器数据集有 150,221,951 次测试和 385,725,364 个查询，平均每次测试 2.57 个。只有一个查询的测试达到 106,376,529 次，占 71%。在发生重复查询的测试中，平均重复次数也从第一组的 3.80 降至第二组的 2.56。

数据量巨大，汇总差异也具有实际意义。它们足以支持一个描述性结论：后一次双服务器实验平均观察到的查询更少，单查询测试更多。但它们无法单独确认“第二台服务器”就是原因。原作者将结果称为完全出乎意料，并明确表示无法给出确定解释。

样本数量不等于样本可比性

约 2.55 亿与 1.50 亿次测试的规模差异，并不会自动推翻比较。大型观测数据常需归一化，APNIC 在比较时序曲线前也对两组数据做了归一化。真正需要审计的是，两组数据是否代表了足够相近的测量条件。

前一篇实验报告描述了部分关键方法：通过 Google 广告测量端点触发唯一随机域名查询；权威区未签名；响应短且不截断；服务支持 UDP 与 TCP，不支持 DoT 或 DoH；到达权威端的查询在 24 小时内计数。报告也显示地理分布会影响覆盖，俄罗斯是明显例外。单服务器配置在六个区域各放置一台双栈权威服务器：北美、南美、欧洲与非洲、印度、亚洲和中国。

若要作因果比较，读者还需要知道第二台服务器加入时，哪些条件没有改变。两组处理是否在相同日期与时段运行？国家、接入网络、解析器地址和地址族的构成是否稳定？路由、机房、任播或单播模式、TTL、响应码、报文大小和重试观察窗口是否一致？归一化可以对齐分母，却不能消除未披露的样本或网络路径变化。

因此，问题不是简单的“样本数量不同”，而是“处理条件回执还不完整”。较小的第二组实验，只要随机分配和控制条件透明，仍可能有很强说服力；再大的数据集，如果处理同时换了时钟或人群，也无法自动给出因果答案。

时序曲线比平均数提供了更多线索

实验中的分布形状比标题数字更有解释力。单服务器实验里，超过 85% 的重复查询在第一秒内到达；双服务器实验中相应比例为 75%。两组都有约 90% 的重复查询在五秒内到达。双服务器曲线还在约 0.75 秒、1.5 秒和 3 秒处出现峰值。

在最快的一端，单服务器数据有 17% 的重复查询发生在 10 毫秒以内，双服务器数据为 12%。归一化后，两组最显著的差异集中在 10 至 70 毫秒，尤其是 10 至 40 毫秒。这个区间通常短于递归解析器的 UDP 超时时间，因此不能只用“等待失败后重试”来解释。

原作者提出的一种可能性是解析器集群：一个理解 DNS 的前端可以把工作分配给多个后端递归解析器，多个后端可能同时追踪同一名称。PowerDNS 对 dnsdist 的公开说明表明，这种部署在现实中存在。但“存在”不等于“它造成了 APNIC 的曲线”。没有内部追踪记录，外部观察到的同一来源地址背后，可能隐藏前端扇出、后端竞速、IPv4/IPv6 选择、缓存状态或具体实现的名称服务器选择算法。

解析器软件也没有统一的权威服务器选择逻辑。APNIC 对 DNS-OARC 43 的记录显示，BIND、PowerDNS Recursor、Knot Resolver 和 Unbound 在初始评分、时延学习和 IPv6 偏好上各不相同。加入第二个双栈名称，不只是把“1”变成“2”，还增加了名称与地址的选择；实际效果取决于软件和拓扑。

一张可复核的复现实验回执

后续实验无需庞杂，但必须把两种处理锁定在同一运行条件下。

第一，在同一测量窗口内，把测试随机分配到单服务器与双服务器配置；或者按预先声明的短时间区块交替运行，并公布每个区块的测试数量。这样可避免日期、广告活动或流量结构变化被误认成处理效应。

第二，以保护隐私的汇总方式，公布两组样本在大区、接入网络、稳定解析器地址与地址族上的构成。目的不是识别用户，而是确认产生 58% 与 71% 的人群是否可比，并检查差异在分层后是否仍然存在。

第三，除了新增名称外，冻结权威服务表面：服务器软件、区域内容、TTL、DNSSEC 状态、响应码、响应大小、截断策略、UDP/TCP 处理、观察期、地址、位置与路由，并说明端点采用单播还是任播。两个名称若最终落在同一机房，与两个拓扑独立的服务测试的并不是同一个问题。

第四，公开归一化公式、排除规则和所有分母，同时给出原始与归一化分布及不确定区间。结果应分别呈现 10 毫秒内的快速重复、10 至 70 毫秒区间、较晚的计时器峰值以及五秒后的长尾。平均值恰恰会隐藏区分扇出、竞速和超时假设所需的形状。

最后，预先列出相互竞争的解释：前端扇出、后端并发、IPv4/IPv6 选择、递归软件、缓存状态和广告样本地理构成。只有某种机制预言了一个可观察的时序或分层特征，而复现实验又看到了它，因果信心才应提高。

两台以上名称服务器仍有独立的韧性理由

这项审计并不否定部署多个权威名称服务器的运营常识。RFC 2182 建议使用多台、物理与拓扑相互分离的服务器，以分担负载并提高可靠性。APNIC 早先关于服务性能与韧性的研究也建议至少使用两个独立、双栈且地理多样的服务；在其测量中，超过两个后的边际收益趋于下降。

这套建议建立在连续性上：一台服务器、一条路径或一个机房故障时，另一处仍可能可达。它不应依赖一个尚未证实的承诺——新增第二台服务器一定会让递归查询均值从 3.43 降到 2.57。把两项主张混在一起，反而会削弱各自的证据。

因此，运营者现在就可以遵循韧性原则，同时在把 APNIC 的差异用于容量模型、解析器设计或性能预测之前，要求受控复现。最稳健的结论很窄，却足够有用：APNIC 观察到了两组公开基线间的明显变化，来源没有假装知道原因；一张共享时钟的复现实验回执，可以把这种诚实的不确定性变成可验证的运营结果。

来源